[发明专利]GGA数据质量的评定预测方法

权利要求书

1.一种GGA数据质量的评定预测方法，其特征是：该方法包括如下步骤：

步骤一：将GGA数据中代表数据各个状态位转化成多维度特征向量而获得稀疏矩阵；

步骤二：根据v_j＞x_ix_j获得数据质量，其中，代表定位准确度，x_i为稀疏矩阵的中任意GGA数据在维度i特征值，x_j为稀疏矩阵的中任意GGA数据在维度j特征值，w₀和w_i表示权重因子，＜v_i，v_j＞是因子之间相互影响程度。

2.如权利要求1所述的对GGA数据质量的评定预测方法，其特征是：采用采用PCA矩阵分解技术对＜v_i，v_j＞通过降低维度进行估计。

3.如权利要求1或3所述的对GGA数据质量的评定预测方法，其特征是：所述w₀、w_i和＜v_i，v_j＞通过如下方式求得：

定义误差函数loss(y，y^)＝(y-y^)²；

对误差函数中w₀、w_i和M求导数可以得到损失函数最小极值，则有：

；

对于给定的x_i矩阵和选取的内部因子估算长度k，采用梯地下降法找出损失函数局部最小值时的w₀、w_i和M的取值，每次循环迭代得到一组w₀、w_i和M，通过该值计算所述误差函数的误差值，两次误差值小于等于正实数a时所取得的w₀、w_i和M就是所得到的最优值。

4.如权利要求4所述的GGA数据质量的评定预测方法，其特征是：对于已有的GGA数据打标后的训练集，默认w₀和w_i初始值都为0，M取服从标准正态分布的随机取值矩阵。

5.如权利要求4所述的GGA数据质量的评定预测方法，其特征是：所述a取值在[0.0001，0.01]之间。